祁连山自然保护区生境质量模拟及预测

摘要：【目的】揭示未来土地利用变化下祁连山自然保护区生境质量潜在问题及冲突，响应“山水林田湖草沙”生命共同体理念下区域生态环境保护政策，为区域生态管理与可持续发展提供科学依据。【方法】基于2000—2020年5期土地利用数据，利用PLUS模型对未来2030年不同情境下的土地利用进行模拟，耦合InVEST模型对祁连山自然保护区生境质量的现状及未来进行评估与预测。【结果】①祁连山自然保护区土地利用方式以草地、林地和未利用地为主，生态用地面积增加；②2030年生态保护情景下生态用地面积的增长要明显多于自然发展情景；③研究区生境质量呈现“西北低、东南高”的空间分布格局，2000—2020年5期的生境质量均值分别为0.656 2、0.656 3、0.665 8、0.664 6和0.665 7，呈现先上升再下降后又上升的波动趋势，2030年生态保护情景下的生境质量均值为0.667 9，自然发展情景下的生境质量均值为0.665 6，生态保护情景下的生境贡献度总和大于自然发展情景；④2000—2030年间生境退化度先上升后下降，在空间上呈现从中心向外由弱到强的圈层分布关系，强退化区主要分布于与未利用地及受人类活动影响较强区域相接的草地边缘。【结论】祁连山自然保护区生境质量整体向好发展，未来生态保护情景下的生境质量明显好于自然发展情景，加强对林地和草地等生态用地的保护有利于保护区生境质量的提升。

关键词：生境质量；土地利用；PLUS模型；InVEST模型；祁连山自然保护区

中图分类号：S759.9;X826 文献标志码：A开放科学（资源服务）标识码（OSID）：

文章编号：1000-2006（2024）03-0135-10

Simulation and prediction of habitat quality in the Qilian Mountain Nature Reserve

ZHANG Ying， WANG Ranghui^*， LIU Chunwei， ZHOU Limin

（School of Applied Meteorology， Nanjing University of Information Science and Technology， Nanjing， 210044， China）

Abstract：【Objective】 To explore the potential problems and conflicts of habitat quality in the Qilianshan Nature Reserve as per future land use changes; to respond to the regional ecological environmental protection policy per the concept of “Mountain， Water， Forest， Field， Lake， Grass， and Sand”， and to provide a scientific basis for regional ecological management and sustainable development. 【Method】 Based on five phases of land use data from 2000 to 2020， the PLUS model was used to simulate land use under different scenarios in the future through 2030. The InVEST model was coupled to assess and predict the current and future habitat quality of the Qilian Mountain Nature Reserve. 【Results】 Land use in the Qilian Mountain Nature Reserve was dominated by grassland， forest land， and unused land， and an increase in the area of ecological land. The increase in the area of ecological land under the ecological protection scenario was significantly higher than under the natural development scenario for 2030. Habitat quality showed a spatial distribution pattern of “low in the northwest and high in the southeast，” with the mean value of habitat quality from 2000 to 2020 as follows： 0.656 2， 0.656 3， 0.665 8， 0.664 6， and 0.665 7， respectively. This showed a fluctuating trend of increasing， decreasing， and increasing values. The average value of habitat quality in 2030 was 0.667 9 under the ecological protection scenario and 0.665 6 under the natural development scenario. The total habitat contribution under the ecological protection scenario was greater than that under the natural development scenario. The degree of habitat degradation increased and then decreased from 2000 to 2030， showed a spatial distribution from weak to strong circles from the center outwards， with the most degraded areas located at the edges of grassland adjacent to unused land—the areas most affected by human activities. 【Conclusion】 The habitat quality of the Qilian Mountain Nature Reserve is developing in a positive direction; the habitat quality under the future ecological protection scenario is significantly better than that under the natural development scenario; strengthening the protection of ecological land such as woodland and grassland is conducive to the improvement of habitat quality.

Keywords：habitat quality; land use; PLUS model; InVEST model; the Qilian Mountain Nature Reserve

不同的土地利用方式、格局和强度会造成生态系统结构和功能的不同，由此影响生物多样性和生境质量，在一定程度上增强对生境质量的评估可展现区域生态系统的优劣情况^[1-2]。而用地的转变会影响生境斑块间物质流和能量流循环过程^[3]，从而进一步影响生境的分布格局和生态系统服务功能^[4]。所以结合土地利用定量评估区域生境质量对协调资源利用与生态环境保护具有十分重要的现实意义。

土地利用的变化包含数量结构和空间结构分布的演变，模型的选择必须具备定量预测和空间模拟能力^[5]。目前定量预测模型包括单变量灰色预测模型、马尔可夫模型、系统动力学模型、逻辑回归模型和人工神经网络模型。马尔可夫模型描述了基于马尔可夫链理论的随机过程，由于其副作用少而被广泛应用于未来土地利用模拟及预测^[6]。元胞自动机（CA）模型可以根据某些转换规则来模拟土地利用^[7]，基于此形成了CA-Markov模型^[8]、CLUE-S模型^[9]、FLUS模型^[10]和ST-CA模型^[11]等。然而它们在挖掘土地利用发展潜力和多种斑块类型潜在驱动因素方面能力较弱。PLUS模型是基于CA模型的最新模型，可以使用机器学习方法来捕捉土地扩张及其驱动因子间的复杂关系，从而提高土地利用模拟的准确性^[12]，但其应用仍相对较少。

生境质量是指生态系统为个体和种群的可持续发展提供适宜生活条件的能力，在一定程度上可以反映生物多样性^[1，13]。近年来越来越多的学者开始关注与生境质量相关的研究，因为生境问题直观表现于生态系统现状中，对区域生态环境保护和规划具有重要价值。目前对生境质量的研究主要有指标体系法和模型评价法，指标体系法通过构建生境指标来评价生境质量，但忽略了现有威胁源等因素，而InVEST模型不仅考虑了威胁因素，还具有操作简单、数据需求量小和空间表达能力强的特点^[14]成功用于不同尺度的生境质量研究。目前鲜有学者将PLUS和InVEST这两个模型相结合，此外，大多数研究仅预测了一种自然发展情景下的生境质量，而单一情景无法展现政策规划带来的变化。

祁连山作为我国西部重要的生态安全屏障及黄河流域的重要水源地，是国家重点生态功能区之一，也是生物多样性保护的优先区域^[15]，在维护生态稳定性和保障生态安全方面具有十分重要的作用^[16]。本研究以祁连山自然保护区国家公园试点区为对象，结合了PLUS模型和InVEST模型对其生境质量现状和未来进行评估和预测，依据研究区实际情况进行多情景设置，以期有效揭示未来土地利用变化下区域生境质量的潜在问题和冲突，为区域生态管理和可持续发展提供依据，同时有助于响应“山水林田湖草沙” 生命共同体理念下祁连山自然保护区生态环境保护与民生协调发展政策，推动未来人与自然和谐发展新格局的形成。

1 材料与方法

1.1 研究区概况

祁连山自然保护区位于甘肃和青海两省交界处（94°49′18″～102°59′08″E，36°46′45″～39°47′05″N），是我国西部重要的生态安全屏障，总面积5.02万km²，其中甘肃省片区面积为3.44万km²，约占自然保护区总面积的68.50%；位于青海省的面积1.58万km²，约占总面积的31.50%。研究区平均海拔达3 803 m，属于典型的高原大陆气候，昼夜温差大、太阳辐射强、雨热同季、干湿分明，区域内地形复杂，海拔梯度大，气温与降水具有东西和垂直变化差异；土壤类型丰富且垂直地带分布显著，东部主要为山地草甸土和栗钙土，西部为高山草原土和棕钙土；植被分布也具有明显的垂直地带差异；水资源丰富，河流众多；物种多样性丰富。

1.2 数据来源及处理

研究区土地利用数据来源于中国科学科院资源环境科学与数据中心，该数据以Landsat陆地卫星遥感影像数据作为信息源，通过人工目视解译生成，解译精度达90%以上。根据研究区特征，选择气象因素、地形因素、社会经济因素、道路和河网因素作为土地利用的驱动因子（表1），利用GIS的欧氏距离工具对河流和道路数据进行处理，将驱动因子数据重采样成30 m×30 m精度的栅格数据。

1.3 模型的构建

1.3.1 PLUS模型

该模型基于栅格数据，可灵活地处理多种类型的土地利用斑块变化，并可用于斑块尺度的土地利用变化模拟^[17]，它集成了基于土地扩张分析策略（LEAS）的规则挖掘框架和基于多种随机斑块种子（CARS）的元胞自动机模型（CA），并结合随机种子生成和阈值递减机制来精确地模拟土地利用变化^[18]。另外，随机森林算法使得各种类型土地利用扩张的发展概率和各驱动因素对各地类贡献度获得成为可能。

1）土地扩张分析策略（LEAS）。该策略叠加两期土地利用数据，提取各类用地扩张的部分，用5%随机抽样方法从中进行抽样，由随机森林算法逐一探索各地类扩张的因素和驱动力，以获得各地类发展概率^[19]，公式如下：

式中：P^d_i，k（X）是单元i中土地利用类型k的最终增长概率；I[·]是决策树的指示函数；X是由多个驱动因子组成的向量；h_n（X）是决策树为n时向量X的预测类型；d的值为0或1，1时表示有其他地类转变为地类k，而0时表示不向地类k转变；M是决策树的总数。

2）基于多类随机斑块种子的CA模型（CARS）。该模型结合随机种子生成和阈值递减机制，在LEAS生成的发展概率约束下，动态模拟了斑块在时间和空间上的自动生成。

式中：D^t_k、D^t-1_k分别是时刻t与t-1时地类k的惯性系数；G^t-1_k、G^t-2_k分别是时刻t-1、t-2时用地需求与实际数量之间的差异。

式中：P^1，t_i，k是引入随机斑块生成机制后，在t时刻向地类k过渡的综合概率；r是（0，1）内的随机值；μ_k是新的土地利用斑块生成阈值。Ω^t_i，k是时刻t地类k在空间单元i处的邻域权重；ω_k是地类k的邻域权重参数，其值在[0，1]之间；n×n为元胞单位。依据研究区过去各土地利用类型扩张面积占总扩张面积的比例来确定各地类的邻域权重，分别为耕地0.01、林地0.22、草地0.59、水域0.19、建设用地0.01、未利用地0.57。

3）土地利用模拟多情景设置。结合前人研究成果和研究区特点，设置自然发展和生态保护两种不同的情景对未来土地利用进行模拟。自然发展依据2010—2020年土地利用发展模式，不设定各地类转换的限制条件，因祁连山自然保护区在2015年后采取了一系列生态保护措施，故以2015—2020年土地发展方向为基准，并加入生态保护的因素，减少林地、草地和水域的转出，适当增加未利用地和耕地向其他地类的转移。其中0表示不转化，1表示可转化（表2）。

4）精度验证分析。为了验证模型对土地利用模拟的准确度，现引入Kappa系数（κ）检验精度。Kappa系数是一种评价遥感图像分类结果一致性的检验方法，公式如下：

式中：P₀是模拟的正确网格数与总数的比值；P_c是随机模拟的正确网格数与总数的比值；P_p是理想状态下模拟的正确网格数与总数的比值。Kappa系数与模拟精度呈正相关，Kappa系数的值越大，模拟的结果越准确^[20]。

利用2000和2010年两期的土地利用图像模拟了2020年的土地利用，并与2020年实际的土地利用图像进行对比，得到Kappa系数精度为0.88，总体精度为0.93，认为PLUS模型对研究区的模拟精度较高、适用性较好。

1.3.2 InVEST模型

1）生境质量模块。InVEST模型的生境质量模块结合了景观类型敏感性和外部威胁强度，考虑了威胁因子的影响距离、空间权重等，以连续变量计算生境质量^[21]。该模型充分考虑了土地利用方式以及土地利用模式变化对生境的影响^[22]。生境质量退化程度代表物种面临的威胁水平大小，其值在[0，1]之间，数值越大表示退化程度和受威胁可能性越大。

式中：Q_xj表示地类j中栅格x的生境质量指数；H_j表示生境适宜性指标，取值在[0，1]之间；D_xj表示生境退化度；k为半饱和参量，通常取最大生境退化度数值的1/2；z为常量。

2）参数设置。参考InVEST用户手册以及前人研究，选取耕地、道路、建设用地和未利用地作为生境威胁因子^[23-25]，这4个威胁因子的权重分别为0.6、0.5、0.8、0.5，最大胁迫距离分别为3.0、0.5、8.0、2.0 km，其中建设用地的衰减性为指数型，其他3个因子的衰减性为线性。在此基础上，确定各地类对威胁因子的敏感度见表3。

3）生境贡献率计算。生境贡献率是指生境质量受土地利用变化影响发生改变的比率^[26]。本研究以2020年生境质量指数为基准，分析自然发展和生态保护情景下土地利用变化对生境质量的贡献率，公式如下：

式中：Q_LH是地类变化的生境贡献率；Q_H是某地类生境质量指数；L₁、L₂分别对应研究初期和末期不同的用地类型；L是某地类转移的面积；S是转移地类总面积。

2 结果与分析

2.1 祁连山自然保护区土地利用变化分析

祁连山自然保护区土地利用方式主要以草地、林地和未利用地为主，耕地和建设用地占比较少（图1、图2）。由图1可以看出，未利用地主要集中在自然保护区西北部，平均中心略向东南偏移，标准椭圆逐渐缩小；中部及东南地区以林地和草地交错分布为主，中心及标准椭圆迁移并不明显；水域零星块状分布于祁连山北部、西部及中部，包括高海拔地区的冰川积雪和湿地，重心略向南偏移，标准椭圆扩大；耕地和建设用地主要分布于自然保护区东南部，重心向西北部偏移。结合图2发现，2000—2010年间，研究区6.04%的面积发生了变动，草地、耕地、林地和水域的面积都有所增加，其中水域面积的增长最多，增加了669.36 km²，主要由未利用地转入；建设用地和未利用地面积有所减少，其中未利用地的变化最为显著，减少了683.62 km²，主要向水域和草地进行转出，2000—2005年的土地利用变化不明显，变动主要发生在2005—2010年间。2010—2020年间，研究区土地利用面积的变化率较前10年有所降低，有4.15%的面积发生变化。以2015年作为一个转折，在2010—2015年间，林地和水域等生态用地面积都有所下降；2015—2020年间，国家针对祁连山生态环境采取了一系列整治策略，在对原有林地进行保护的基础上植树造林和退耕还林还草，使得林地覆盖度有所上升，再加上对水电站的关停措施、湿地的保护修复和冰雪融水等使得区域水域面积有所增加。

总体来看，2000—2020年间，祁连山自然保护区土地利用整体向好发展，林地和水域面积都呈上升趋势，分别增加了777.68 km²和38.45 km²，草地面积减少了130.20 km²未利用地减少693.22 km²。

2.2 不同情景下祁连山自然保护区未来土地利用预测

由于2015年为祁连山生态保护的转折年份，故分别以2010和2020年、2015和2020年的土地利用数据为基础，预测2030年自然发展和生态保护情景下的土地利用，结果见图3。未来土地利用的空间格局基本延续了现有的土地利用分布方式。可以看出，自然发展情况下，水域和林地面积仍有所增长，分别增加了35.02 km²和102.67 km²，主要由草地和未利用地转入，耕地面积有所下降，建设用地有所增加，未利用地面积持续减少。相较自然发展情景，生态保护情景限制了林地、草地和水域的转出，控制建设用地的盲目扩张且不得由生态用地转入，虽然草地的面积仍有所下降，但退化幅度减小，建设用地也基本没有扩张，林地面积增长了68.25 km²、水域增长了228.56 km²、未利用地减少了165.06 km²。

2.3 祁连山自然保护区生境质量空间分布及趋势

生境是区域气候、水文、土壤、植被和地形地貌的综合表现，在一定程度上受到生态环境和土地利用变化的影响，利用InVEST模型，基于土地利用数据得到研究区2000—2020年生境质量空间分布图，可知生境质量数值在0～1之间，数值越大则代表生境质量越好，反之则越差。在GIS中根据自然断点法将生境质量等级分为低（0，0.2]、较低（0.2，0.4]、中等（0.4，0.8]、较高（0.8，0.9]、高（0.9，1]5类（图4）。生境质量高值区主要分布于祁连山自然保护区东南部和中部林地覆被较多的地区；较低值区主要位于研究区西北部未利用地占比较多的区域，该区域主要以裸地、戈壁和盐碱地为主，生境质量较差；低值区穿插于较低值区域内，该区域主要分布道路和建筑用地等，受人为影响较大；中值区点状分布于研究区东南部耕地为主的区域；生境质量较高值区块状分布于研究区中部，该区域主要土地利用类型为水域湿地。总体来看，祁连山自然保护区生境质量呈现东南高、西北低的空间分布规律。2000、2005、2010、2015和2020年研究区生境质量均值分别为0.656 2、0.656 3、0.665 8、0.664 6和0.665 7，从时间跨度来看，祁连山自然保护区生境质量先上升再下降后又有所回升，总体生境质量较高。

由未来土地利用数据预测结果得到2030年不同情景下的祁连山自然保护区生境质量空间分布，发现2030年研究区生境质量空间分布仍然呈现西北低、东南高的格局，其中自然发展情景下的生境质量均值为0.665 6，较2020年略有下降，生态保护情景下的生境质量均值为0.667 9，与2020相比有所上升，生境质量向好发展。

从各生境质量等级面积及占比情况来看，研究区生境质量等级主要以较低等级和高等级为主，占据总面积的90%以上。

2000—2020年间，低生境质量区域面积先增多后减少，主要是由于2000—2010年间经济的发展增加了一些耕地等受人为影响较大的用地类型面积，使得低生境质量面积有所增加，但2015—2020年间，随着一系列针对祁连山的生态保护政策施行，该等级生境质量面积有所下降，在对2030年生境质量的预测中，自然发展情景下的低生境质量区域面积有所增加，占比为1.63%，而生态保护情景下的低生境质量面积则明显减少，达到2010—2030年来的最低值，所以区域的生态保护不可松懈；较低生境质量等级区域面积在2000—2010年间逐渐下降，主要源于对未利用地的使用，部分未利用地向草地和水域转化，使得原本较低生境质量区域生境质量提高，2010—2015年间该等级区域面积又有所增加，可能由于该时期水域和林地面积减少，水土流失情况较严重，2015—2020年间该等级面积逐渐下降，这依赖于2017年祁连山山水林田湖生态修复工程试点项目的实施，一系列水环境治理与植被恢复措施增加了林地和水域的面积；中等生境质量等级区域面积占比较小，基本维持在0.33%左右；较高等级和高等级生境质量面积总和在2000—2020年间呈现先增加再减少后增加的趋势，在2030年的两种不同情景模拟下，生态保护情景中这两类生境质量等级面积较自然发展情景增长较多，相较于2000年占比分别提升了1.39%和1.70%，由此可见，合理增加生态用地的面积、限制草地的转出、控制耕地和建设用地的扩张有利于维持区域高生境质量水平。

根据生境贡献率公式计算2030年不同情景下土地利用方式转变对生境质量的贡献度（表5），发现对生境质量提升贡献较大的地类转换是未利用地向草地的转化，其次是未利用地向水域的转化，自然发展情景下未利用地未向草地转移，向水域转移了6.28 km²，生态保护情景下未利用地向草地和水域分别转移了96.74 km²和57.06 km²，贡献度达19.6%和10.13%；使生境质量下降的地类转移主要是草地向建设用地的转化以及草地向水域的转化，生态保护情景下禁止了草地向建设用地的转化，且草地向水域转化的负向贡献率值要小于自然发展情景。综合看来，生态保护情景下各地类转化对生境质量贡献率之和为27.83%，而自然发展情景下的贡献率之和为-2.39%，生态保护情景下的生境贡献率要明显大于自然保护情景。所以在生态保护情景下，区域生境质量呈上升趋势。

2.4 祁连山自然保护区生境质量退化度分析

生境退化度数值在0～1之间，值越大代表退化程度越高。由InVEST模型得到研究区生境退化空间分布，结果见图5。将生境退化分为弱退化[0，0.02）、较弱退化[0.02，0.04）、中等退化[0.04，0.06）、较强退化[0.06，0.08）和强退化（≥0.08）等5级。从空间分布上看，研究区大部分区域生境退化度较低，退化方式呈现圈层关系，由内向外依次为弱退化、较弱退化、中等退化、较强退化和强退化，主要分布于草地覆被区，越接近草地的边缘，与未利用地、耕地、建设用地和道路相连的地方退化程度越高。未利用地因土壤质量较差、海拔较高、气温较低等自然地理因素使得其周围草地的覆被较少且退化度较高，而耕地、道路和建设用地则是受人类活动影响强度较大的区域，其周边生境退化度较高。2000—2020年研究区生境质量退化均值分别15.068×10^-3、15.078×10^-3、15.133×10^-3、15.095×10^-3和15.072×10^-3，退化度呈现先上升后下降的趋势，研究区总体退化程度较低。2000—2010年间生境退化度的变化率为0.431%，这期间生境退化的原因与研究区土地利用方式的转变息息相关，耕地面积的增多占用了部分草地，2010—2020年间的生境退化度变化率为-0.404%，2000—2020年的生境退化度变化率为0.03%，期间退化程度基本维持稳定，可见祁连山草地生境质量总体稳定，局部恶化的趋势得到了遏制，但退化值并未显著下降，草地的退化趋势尚未得到根本扭转，仍需持续关注。

在对2030年不同情景的生境退化度预测中发现，生境退化度的空间分布依然延续了之前的分布方式，其中自然发展情景下生境退化度均值为15.053×10^-3，生态保护情景下的生境退化度均值为15.046×10^-3，生境退化度变化率则分别为-0.126%和-0.173%。相较于2020年，两种情景下的生境退化度都有所下降。生态保护情景比自然保护情景下的生境退化度下降更多，说明2015年后对祁连山自然保护区生态环境的治理颇具成效，生态环境逐渐得到改善，延续之前的发展方式，生境退化度逐渐下降，若在原先的发展模式下加强对生态的保护，如重视对现有草地的保护以及流失草地的修复，减少耕地和建设用地等人为影响较强的区域面积，道路的设置避开生境质量较高的区域，则生境退化程度的减轻更为明显。

3 讨 论

1）祁连山自然保护区土地利用类型以草地、林地和未利用地为主。2000—2020年间土地利用的转化主要发生在草地、林地、水域和未利用地之间，其中水域面积的增长最为明显，其次是林地，分别增加了777.68 km²和38.45 km²，草地面积有所减少，减少了130.20 km²，未利用地面积减少了693.22 km²。总体看来，祁连山自然保护区生态用地面积逐渐增多，趋势向好发展。

2）2030年两种不同情景下的土地利用预测结果有明显差异，生态保护情景下生态用地面积的增长要多于自然发展情景。在自然发展情景下，水域面积增长了35.02 km²，林地面积增长了102.67 km²，耕地面积有所下降，建筑用地略有增长，未利用地持续减少；而在生态保护情景下，耕地面积减少，建筑用地面积基本不变，林地和水域面积分别增加了68.25 km²和228.56 km²，是自然发展情景下水域和林地扩张面积的2倍，未利用地减少了165.06 km²。

3）2000—2020年祁连山自然保护区生境质量呈现“西北低、东南高”的空间分布特征，在时间上生境质量呈现先上升再下降后又上升的波动趋势，在对2030年的预测中，两种情景下皆延续了“西北低、东南高”的空间分布特征，生态保护情境下的生境质量持续升高，自然发展情景下生境质量略有下降。生境质量等级以较低等级和高等级为主，总占比达区域面积的90%以上，高值区主要分布于研究区东南部林地覆被较多的区域，较低值区位于研究区西北部以裸地、戈壁、盐碱地为主的未利用地区域，低值区穿插于较低值区内，受道路和建设用地等人类活动较强区域的影响。在2000—2020年这20年间，生境质量低和较低等级区域面积在逐渐减少，较高和高等级区域面积在不断增加。研究区生境质量贡献度较高的地类转化方式是未利用地向草地和水域的转化，生态保护情景下的生境贡献度总和明显大于自然发展情景。

4）2000—2030年间的生境退化度逐渐降低，退化度在空间分布上呈现由弱到强的圈层分布关系，在对未来的预测中，生态保护情景下的生境退化度较自然发展情景要低。退化度强的区域主要分布于草地与未利用地、耕地、道路和建设用地相接的区域，草地的退化得到遏制但尚未根本扭转，仍需进一步加强保护。

基于PLUS模型和InVEST模型生境质量模块对祁连山自然保护区生境现状及未来进行分析，2000—2020年间生境质量先上升再下降后又上升，2000—2010年间生境质量的提升依赖于未利用地向生态用地的转化，2010—2015年间，生境质量的下降源于水域和林地等生态用地的减少，2015年后，随着国家对祁连山自然保护区的生态环境整治和保护修复，流域林草植被恢复、水环境保护治理等山水林田湖草生态保护修复试点项目的实施，生境质量又开始上升。在对未来（2030年）不同情景的模拟中，生态保护情景能使生境质量保持稳定上升是因为其增加了林地和水域的面积，控制了草地的转出，草地局部恶化的趋势有所控制，故在研究区后期的发展中不仅要持续加强对林地和水域的增加与保护，也要避免草地的退化对生境产生影响，如适当修复增大草地面积，合理控制人类活动影响较大的区域面积，道路的修建也尽量避开生态用地。

生境受复杂生态系统耦合的影响，包括区域地形地貌、气候、水文、植被、土壤和人类活动等，土地覆被在一定程度上可以体现这些要素的变化，但仍具有一定的局限性。InVEST模型的发展已较为成熟，在空间表达、动态研究方面优于其他模型，被广泛应用于区域生境的研究，但InVEST模型中的一些参数设置依赖于以往的研究成果及专家经验，尚无统一的标准，这就使得生境质量的模拟结果具有一定的主观性。此外，InVEST模型通过累积各种威胁源的影响来评估生境质量，但简单对威胁源影响的累积并不能综合反映威胁源对生境质量的影响，且在威胁源选取中，道路条件过去和未来或多或少会发生改变，鉴于自然保护区内道路变动不剧烈，故只采用了可获得道路源数据。但本研究结果仍可为祁连山自然保护区生态环境保护和可持续发展提供科学的理论依据，具有一定的参考价值。未来的研究中可重点探索PLUS模型和InVEST模型的参数设置优化。另外，在未来情景的设置中预期结合CMIP6下最新共享社会经济路径，可更丰富且多维度地对祁连山自然保护区生境质量进行评估。

参考文献（reference）：

[1]王建华，田景汉，吕宪国．挠力河流域河流生境质量评价[J]．生态学报，2010，30（2）：481-486．WANG J H，TIAN J H，LYU X G．Assessment of stream habitat quality in Naoli River watershed，China[J]．Acta Ecol Sin，2010，30（2）：481-486．

[2]钟莉娜，王军．基于InVEST模型评估土地整治对生境质量的影响[J]．农业工程学报，2017，33（1）：250-255．ZHONG L N，WANG J．Evaluation on effect of land consolidation on habitat quality based on InVEST model[J]．Trans Chin Soc Agric Eng，2017，33（1）：250-255．DOI： 10.11975/j.issn.1002-6819.2017.01.034.

[3]吴健生，毛家颖，林倩，等．基于生境质量的城市增长边界研究：以长三角地区为例[J]．地理科学，2017，37（1）：28-36．WU J S，MAO J Y，LIN Q，et al．Urban growth boundary based on the evaluation of habitat quality：taking the Yangtze River delta as an example[J]．Sci Geogr Sin，2017，37（1）：28-36．DOI： 10.13249/j.cnki.sgs.2017.01.004.

[4]郑宇，张蓬涛，汤峰，等．基于InVEST模型的昌黎县土地利用变化对生境质量的影响研究[J]．中国农业资源与区划，2018，39（7）：121-128. ZHENG Y， ZHANG P T， TANG F， et al. The effects of land use change on habitat quality in Changli County based on InVEST model[J]. Chin J Agric Resour Reg Plan， 2018， 39（7）： 121-128.DOI： 10.7621/cjarrp.1005-9121.20180718.

[5]GOMES E，BANOS A，ABRANTES P，et al．Future land use changes in a peri-urban context：local stakeholder views[J]．Sci Total Environ，2020，718：137381．DOI： 10.1016/j.scitotenv.2020.137381.

[6]HUANG W J，AN Y T，PAN Y，et al．Predicting transient particle transport in periodic ventilation using Markov chain model with pre-stored transition probabilities[J]．Build Environ，2022，211：108730．DOI： 10.1016/j.buildenv.2021.108730.

[7]MOKARRAM M，PHAM T M．CA-Markov model application to predict crop yield using remote sensing indices[J]．Ecol Indic，2022，139：108952．DOI： 10.1016/j.ecolind.2022.108952.

[8]褚琳，张欣然，王天巍，等．基于CA-Markov和InVEST模型的城市景观格局与生境质量时空演变及预测[J]．应用生态学报，2018，29（12）：4106-4118．CHU L，ZHANG X R，WANG T W，et al．Spatial-temporal evolution and prediction of urban landscape pattern and habitat quality based on CA-Markov and InVEST model[J]．Chin J Appl Ecol，2018，29（12）：4106-4118．DOI： 10.13287/j.1001-9332.201812.013.

[9]VERBURG P H，SOEPBOER W，VELDKAMP A，et al．Modeling the spatial dynamics of regional land use：the CLUE-S model[J]．Environ Manage，2002，30（3）：391-405．DOI： 10.1007/s00267-002-2630-x.

[10]LIANG X，LIU X P，LI X，et al．Delineating multi-scenario urban growth boundaries with a CA-based FLUS model and morphological method[J]．Landsc Urban Plan，2018，177：47-63．DOI： 10.1016/j.landurbplan.2018.04.016.

[11]陈霆，徐伟铭，吴升，等．国土空间规划视角下的城镇开发边界划定和空间管控体系构建[J]．地球信息科学学报，2022，24（2）：263-279．CHEN T，XU W M，WU S，et al．Delimitation of urban development boundary and construction of space control system from the perspective of territorial spatial planning[J]．J Geo Inf Sci，2022，24（2）：263-279．DOI： 10.12082/dqxxkx.2022.210552.

[12]LIANG X，GUAN Q F，CLARKE K C，et al．Understanding the drivers of sustainable land expansion using a patch-generating land use simulation （PLUS） model：a case study in Wuhan，China[J]．Comput Environ Urban Syst，2021，85：101569．DOI： 10.1016/j.compenvurbsys.2020.101569.

[13]VAN HORNE B．Density as a misleading indicator of habitat quality[J]．J Wildl Manag，1983，47（4）：893-901．DOI： 10.2307/3808148.

[14]XU J， XIE G D， XIAO Y， et al. Dynamic analysis of ecological environment quality combined with water conservation changes in national key ecological function areas in China [J]. Sustainability， 2018， 10（4）： 1202.DOI： 10.3390/su10041202.

[15]徐洁，谢高地，肖玉，等．国家重点生态功能区生态环境质量变化动态分析[J]．生态学报，2019，39（9）：3039-3050．XU J，XIE G D，XIAO Y，et al．Dynamic analysis of ecological environmental quality changes in national key ecological function areas in China[J]．Acta Ecol Sin，2019，39（9）：3039-3050．DOI： 10.5846/stxb201806011227.

[16]王让会，赵文斐，彭擎，等．气候变化及景观格局与生态系统碳储存的耦合关系：以祁连山为例[J]．干旱区研究，2022，39（1）：250-257．WANG R H，ZHAO W F，PENG Q，et al．The relationship of climate change and landscape pattern with ecosystem carbon storage：a case study from the Qilian Mountains[J]．Arid Zone Res，2022，39（1）：250-257．DOI： 10.13866/j.azr.2022.01.24.

[17]LI C，WU Y M，GAO B P，et al．Multi-scenario simulation of ecosystem service value for optimization of land use in the Sichuan-Yunnan ecological barrier，China[J]．Ecol Indic，2021，132：108328．DOI： 10.1016/j.ecolind.2021.108328.

[18]AHMAD KURNIA A，RUSTIADI E，FAUZI A，et al．Understanding industrial land development on rural-urban land transformation of Jakarta megacity’s outer suburb[J]．Land，2022，11（5）：670．DOI： 10.3390/land11050670.

[19]张大川，刘小平，姚尧，等．基于随机森林CA的东莞市多类土地利用变化模拟[J]．地理与地理信息科学，2016，32（5）：29-36，127．ZHANG D C，LIU X P，YAO Y，et al．Simulating spatiotemporal change of multiple land use types in Dongguan by using random forest based on cellular automata[J]．Geogr Geo Inf Sci，2016，32（5）：29-36，127．DOI： 10.3969/j.issn.1672-0504.2016.05.005.

[20]PRASAD P，LOVESON V J，CHANDRA P，et al．Evaluation and comparison of the earth observing sensors in land cover/land use studies using machine learning algorithms[J]．Ecol Inform，2022，68：101522．DOI： 10.1016/j.ecoinf.2021.101522.

[21]CHEN X，YU L，DU Z R，et al．Distribution of ecological restoration projects associated with land use and land cover change in China and their ecological impacts[J]．Sci Total Environ，2022，825：153938．DOI： 10.1016/j.scitotenv.2022.153938.

[22]XUE CL，ZHANG H Q，WU S M，et al．Spatial-temporal evolution of ecosystem services and its potential drivers：a geospatial perspective from Bairin Left Banner，China[J]．Ecol Indic，2022，137：108760．DOI： 10.1016/j.ecolind.2022.108760.

[23]张学儒，周杰，李梦梅．基于土地利用格局重建的区域生境质量时空变化分析[J]．地理学报，2020，75（1）：160-178．ZHANG X R，ZHOU J，LI M M．Analysis on spatial and temporal changes of regional habitat quality based on the spatial pattern reconstruction of land use[J]．Acta Geogr Sin，2020，75（1）：160-178．DOI： 10.11821/dlxb202001012.

[24]包玉斌，刘康，李婷，等．基于InVEST模型的土地利用变化对生境的影响：以陕西省黄河湿地自然保护区为例[J]．干旱区研究，2015，32（3）：622-629．BAO Y B，LIU K，LI T，et al．Effects of land use change on habitat based on InVEST model： taking Yellow River Wetland Nature Reserve in Shaanxi Province as an example[J]．Arid Zone Res，2015，32（3）：622-629．DOI： 10.13866/j.azr.2015.03.29.

[25]李潇，杨加猛，陈禹衡，等. 基于土地利用变化的江苏盐城湿地自然保护区生境质量评估[J]. 南京林业大学学报（自然科学版）， 2022， 46（5）： 169-176．LI X， YANG JM， CHEN Y H， et al. Evaluations of habitat quality of Jiangsu Yancheng Wetland National Nature Rare Bird Reserve based on land use changes[J]. J Nanjing For Univ （Nat Sci Ed）， 2022， 46（5）： 169-176.DOI： 10.12302/j.issn.1000-2006.202105002.

[26]和娟，师学义，付扬军，等．汾河源头区域土地利用及生境质量时空演变的多情景模拟[J]. 水土保持研究， 2020， 27（5）：250-258．HE J，SHI X Y，FU Y J，et al．Multi-scenario simulation of spatiotemporal evolution of land use and habitat quality in the source area of Fenhe River basin[J]. Res Soil Water Conserv， 2020， 27（5）： 250-258. DOI： 10.13869/j.cnki.rswc.2020.05.033.

（责任编辑 郑琰燚）